教程
刚接触LangChain或LLM应用开发？阅读这份材料，快速上手并构建你的第一个应用程序。
开始使用
通过构建简单的应用程序来熟悉LangChain的开源组件。
如果您希望开始使用聊天模型、向量存储，或其他来自特定提供者的LangChain组件，请查看我们支持的集成。
- 聊天模型和提示: 使用提示模板和聊天模型构建一个简单的LLM应用程序。
- 语义搜索: 使用文档加载器、嵌入模型和向量存储在PDF上构建语义搜索引擎。
- Classification: 使用聊天模型和结构化输出将文本分类为类别或标签。
- Extraction: 使用聊天模型和少样本示例从文本和其他非结构化媒体中提取结构化数据。
有关使用所有LangChain组件的更多详细信息，请参阅操作指南。
编排
开始使用 LangGraph 将 LangChain 组件组装成功能齐全的应用程序。
- Chatbots: 构建一个包含记忆功能的聊天机器人。
- Agents: 构建一个与外部工具交互的代理。
- 检索增强生成 (RAG) 第1部分: 构建一个使用您自己的文档来指导其响应的应用程序。
- 检索增强生成 (RAG) 第二部分: 构建一个RAG应用程序，该应用程序包含用户交互的记忆和多步检索。
- 使用SQL进行问答: 构建一个问答系统，该系统执行SQL查询以提供其响应。
- Summarization: 生成（可能较长的）文本的摘要。
- 使用图数据库进行问答: 构建一个查询图数据库以提供其响应的问答系统。
LangSmith
LangSmith 允许您紧密跟踪、监控和评估您的 LLM 应用程序。 它与 LangChain 无缝集成，您可以在构建过程中使用它来检查和调试链中的各个步骤。
LangSmith 文档托管在一个单独的网站上。 您可以浏览 LangSmith 教程在这里。
评估
LangSmith 帮助您评估您的LLM应用程序的性能。下面的教程是一个很好的入门方式：